[论文解读] Learning Strategies in Decentralized Matching Markets under Uncertain Preferences

Xiaowu Dai, Michael I. Jordan|arXiv (Cornell University)|Oct 29, 2020

Game Theory and Voting Systems参考文献 55被引用 11

一句话总结

该论文提出了一种去中心化学习框架，用于具有不确定、数据驱动偏好的双边匹配市场，采用核方法估计接受概率，并使用校准决策（CDM）算法在容量约束下优化期望收益。该研究建立了偏好估计的极小极大最优收敛性，证明了结果的稳定性和公平性，并在模拟中展示了其相对于基线策略的优越性能。

ABSTRACT

We study the problem of decision-making in the setting of a scarcity of shared resources when the preferences of agents are unknown a priori and must be learned from data. Taking the two-sided matching market as a running example, we focus on the decentralized setting, where agents do not share their learned preferences with a central authority. Our approach is based on the representation of preferences in a reproducing kernel Hilbert space, and a learning algorithm for preferences that accounts for uncertainty due to the competition among the agents in the market. Under regularity conditions, we show that our estimator of preferences converges at a minimax optimal rate. Given this result, we derive optimal strategies that maximize agents' expected payoffs and we calibrate the uncertain state by taking opportunity costs into account. We also derive an incentive-compatibility property and show that the outcome from the learned strategies has a stability property. Finally, we prove a fairness property that asserts that there exists no justified envy according to the learned strategies.

研究动机与目标

• 解决去中心化匹配市场中统计学习与经济决策之间在未知、动态偏好下的差距。
• 将代理人的偏好建模为再生核希尔伯特空间（RKHS）中的演化函数，以反映由于竞争和信息有限导致的不确定性。
• 开发一种仅依赖本地数据、并考虑机会成本与容量约束的去中心化学习算法（CDM），以计算最优策略。
• 在信息不完整的情况下，建立对所学策略收敛性、稳定性和公平性的理论保证。
• 通过具有分层机构和随机学生偏好的本科录取模拟，对框架进行实证验证。

提出的方法

• 将代理人的偏好表示为再生核希尔伯特空间（RKHS）中的函数，从而实现从历史数据中对接受概率的非参数估计。
• 使用惩罚对数似然估计器在不确定性下学习接受概率，并通过正则化确保稳定性并避免过拟合。
• 引入CDM（校准决策）算法，通过扰动未知状态来平衡边际效用与超容量的惩罚。
• 基于机会成本考虑校准决策阈值，确保代理人在低回报匹配中不会过度投入。
• 推导出在所学偏好模型下最大化期望收益的最优策略，同时结合基于信念的个体理性。
• 采用基于仿真的评估框架，包含10种不同的学生偏好状态和500次测试重复，将CDM与截断法和贪心策略进行比较。

实验结果

研究问题

• RQ1 在偏好未知且受竞争影响的去中心化匹配市场中，代理人如何学习最优策略？
• RQ2 何种学习方法可确保在不确定性与稀缺性下接受概率估计的极小极大最优收敛？
• RQ3 去中心化算法如何在最大化期望收益的同时，兼顾机会成本与容量约束？
• RQ4 在信息不完整的情况下，所学策略是否能确保稳定性与公平性（即无正当怨恨）？
• RQ5 CDM算法在不同机构层级下，相较于基线策略（如简单截断法、贪心行为）在收益与鲁棒性方面表现如何？

主要发现

• 在正则性条件下，所提出的接受概率估计器实现了极小极大最优收敛速率，确保了在数据有限情况下的高效学习。
• CDM算法在期望收益方面显著优于简单截断法和贪心行为策略，尤其在二类和三类院校中表现更优。
• 在模拟中，CDM在所有三类机构层级（P1、P6、P16）中均实现了最高平均收益，其中中等层级机构的增益最为显著。
• CDM策略通过状态扰动和机会成本校准决策阈值，有效防止过度招生，降低了容量违规的风险。
• 该框架确保了公平性：即使在信息不完整的情况下，也不存在基于所学策略的正当怨恨。
• CDM策略的结果在信息不完整条件下保持稳定，个体理性条件基于代理人对未知状态的信念建立。